“知识传播的底层法则正在被重写。”
知识画家冯欣伟：AI时代每个人须By Agent、Be Agent、For Agent
来源|多知
整理|张蔚斐
在百度十年，冯欣伟亲历了多次AI技术范式变迁，他长期深耕大语言模型、智能问答、信息检索与知识图谱等技术的研发与应用。
2024年，他放弃了许多机会离开大厂走上创业的道路，推出生成式交互知识引擎“知识画家”(Knowledge Painter)。“知识画家”将抽象、复杂的知识“画”出来，让知识可见、可感、可交互。同年，“知识画家”获得奇绩创坛的投资。
近日，在多知OpenTalk第53期现场，知识画家创始人冯欣伟作了主题为《AI时代的知识传播思考与实践》的演讲。
以下是冯欣伟分享的核心观点：
1. 在AI时代，高质量、规模化、个性化正在从“教育的不可能三角”变成默认选项，旧的增长和产品法则正在失效。
2. 真正稀缺的已不再是知识本身，而是让知识快速进入实践、持续产生价值的能力。
3. 过去的知识载体不够用了，仅靠PPT、视频、文本等静态载体，已经难以承载这个时代的知识传播需求。
4. 知识传播对象正在从“人”扩展到“Agent”，未来知识不仅要能被人理解，也要能被Agent调用和执行。
5. 你能调动多少Token、提供多少上下文、承受多少次试错，就决定了你能释放出多大的生产力。
6. 面向AI时代，无论创业、个人成长还是教育孩子，都需要坚持 By Agent、Be Agent、For Agent。
以下为冯欣伟的演讲分享(经多知编辑)：
01 变化：知识传播的底层法则正在被重写
1. “高质量、规模化、个性化”正在成为默认选项
过去教育行业常讲“不可能三角”：高质量、规模化、个性化很难同时成立。移动互联网时代，慕课和直播大班课主要解决了“高质量+规模化”的问题，而“个性化”始终昂贵、稀缺。
但AI出现后，个性化正在被快速补齐。今天，用户已经习惯通过对话式AI获得因人而异的解释、反馈和路径建议。在这样的背景下，如果创业者还把“实现个性化”当作主要创新点，已经不够了。新的问题是：当高质量、规模化、个性化逐渐成为默认能力后，我们还能为这个生态提供什么新的价值?
2. 互联网时代的规模定律正在失效
过去做C端产品，典型逻辑是先拿免费流量，再做用户规模，最后通过增值服务变现。教育行业里，拍照搜题就是一个很有代表性的路径。
但在AI时代，产品不再需要提供复杂的中间交互和功能，而是端到端一步满足，用户越来越不愿意走冗长链路，而是希望直接拿到结果。在这种形势下，用户在不同AI产品之间的切换成本趋近于零。与此同时，互联网时代“多服务一个用户，边际成本接近于零”的规律，也正在被算力成本改写。未来算力一定很便宜，但在今天服务一个用户和服务一万个用户，成本近似线性增长。
这意味着，单纯依靠免费流量换规模，再把规模沉淀成长期壁垒的做法，越来越难成立。
3. 稀缺的不是知识，而是让知识发挥作用
过去，知识学习、知识传播和知识应用是相对分离的。一个重要原因在于，很多实践机会本身非常稀缺，学习往往发生在真正进入场景之前。
AI正在改变这一点。越来越多的实践、模拟、验证与试错，可以在数字环境中被即时展开。未来更有价值的，不是被储存和收藏的知识，而是能让人立刻进入实践回路、快速验证并持续产生反馈的知识。
因此，对知识创业者来说，不能只停留在“把知识讲明白”，还要思考：如何帮助用户把知识真正用起来?你能为用户提供什么价值?这里既包括功能价值，也包括情绪价值。
4. 静态知识载体已经不够用了
知识传播的本质其实和模型原理相似，无论是壁画、书籍、PPT还是视频，都是传播者先把知识编码进载体，再由接收者去解码。
今天知识的生产端和消费端都已经发生了巨大变化，但知识载体本身并没有跟上。在AI的加持下，我们可以更快地生成内容，也可以更频繁地获取信息，但大量知识仍然被封装在静态的文章、PPT和视频中。它们既难以实时更新，也难以响应不同用户的上下文。
在这个迭代速度极快的时代，等内容制作完成再发布，往往已经开始过时。所以，未来的知识载体不能只是静态内容，而必须具备交互、更新和行动能力。
5. 知识传播对象，正在从人扩展到Agent
移动互联网时代的人口红利和注意力红利正在接近尾声，但Agent世界才刚刚开始。
未来，每个人都可能拥有一个由多个Agent组成的工作或学习系统。这些Agent也需要获取知识、理解知识并调用知识。很多时候，人类未必需要亲自吸收全部中间过程，只要Agent能够完成理解、执行和协作，人类就可以更直接地获得结果。
今天很多人在做服务学生的Agent，但我觉得未来的学习Agent不应该是某家公司做的，因为你不可能拿到用户在学习路径上的所有上下文，这些上下文只存在家庭里，存在用户自己身边，所以未来的学习Agent应该是家长或者学生自己搭建的。这个时候，要为这个学习Agent去提供什么能力让它更好地满足学习过程，才是体量更大的事情。
6. Token正在变成新的智能带宽
我越来越强烈地感受到，在AI时代，Token、上下文窗口、推理预算和试错空间，本质上都是行动能力的一部分。
很多组织之间的效率差异，未必首先体现在人数，而体现在是否愿意给AI足够多、足够有效的空间去理解问题、展开推理和完成执行。某种意义上说，你能调动多少Token、提供多少上下文、承受多少次试错，就决定了你能释放出多大的生产力。
因此，在关键问题上，不应过度吝惜Token。它不是单纯的成本项，更是新的生产资源。
02 原则：By Agent、Be Agent、For Agent
无论是创业、个人的成长学习，还是教育孩子也好，需要关注这些原则：
第一，By Agent。
今天，软件定制成本就是趋于零的，大厂的工程壁垒已经被瓦解，Anthropic发布垂类插件、华尔街SaaS公司蒸发数千亿美金，过去形成的所谓流程、经验、代码，在AI面前一文不值。
因此，组织首先要思考的，不是“还有哪些旧流程可以引入AI加速人类效率”，而是“哪些环节已经可以被Agent接管，这些流程里人类能为AI提供什么上下文来提升效率”。研发如此，营销、运营、客服、研究也如此。
AI一定会消灭一些职业，也一定会促使诞生新的职业，但在今天就我个人的实践来说，初创公司能用Agent解决的，就不要招人。人类的组织之间一定会有摩擦的，敏捷开发的例会已经够快了，但你开会的时间AI可能就把所有可能的方案迭代完了。
如果未来工作的主要执行者越来越多地变成Agent，那么今天在设计工具和产品时，也应该考虑它们是否适合Agent使用;对Agent而言，CLI比GUI重要，结构化的纯文本比丰富视觉体验的文档好。
第二，Be Agent。
仅仅“使用Agent”还不够，更重要的是让产品和组织本身具备Agent化特征。
今天很多团队讨论多智能体协作，多智能体某种程度我认为是现有模型能力、记忆和成本的妥协;真正关键的问题并不是“有几个Agent”，而是这个组织是否会学习、会记忆、会持续演化。因为在AI时代，一个周末搭起来的Agent，到了周一就可能已经过时。
所以，一个真正有生命力的Agent系统，不能只是静态工作流的拼装，它还要能够感知问题、吸收反馈、更新策略，甚至改写自身的一部分执行方式。
在当前阶段，外挂式记忆系统仍然非常重要。无论是一个Agent，还是多个数字员工协作，本质上都需要通过记忆机制把不同场景、不同任务、不同时间点的上下文串联起来。
第三，For Agent。
未来学习知识、调用知识、执行知识的主体，会越来越多地从人扩展到Agent。
Agent调用接口的频率可能是人的百万倍。只有当你的产品能够被其他Agent发现、理解和调用，它才有机会进入更大的协作网络，成为真正的基础设施。
因此，今天做产品，不仅要考虑“人怎么用”，还要考虑“Agent怎么用”。这意味着产品能力需要更结构化、更可调用，也意味着知识需要从单纯的展示内容，变成可执行的能力单元。
另外，我其实和很多公司交流过，无论是传统企业还是科技公司，我们发现，组织想做转变的时候，最难的事是1号位不动手。组织转变无法通过听几次分享，转几篇文章，参加几次培训，设立内部奖励机制实现，今天还在高速变化中，你不动手就没有那个体感。
最后简要介绍一下我们在做什么，我们在做的事情，是让知识长出交互、记忆与行动能力。
知识画家目前面向人类的产品是一个网站，主要提供可控的知识视频与互动内容生成能力。与一些通用视频生成产品相比，我们更关注知识表达的准确性，尤其是文字、图表、公式、物理定理等内容的可控性，主要用户是教师和教学机构，上线后我们也发现一些新的用户，比如知识博主会用生成的视频来做IP，还有企业会用来做专业的产品介绍视频。
与此同时，我们也为Agent提供上述能力更易调用的Skill，让知识不只是被观看，还可以被调用、被编排、被纳入更大的任务链条中。
从更长期来看，我们希望继续往前走一步：不仅服务知识的获取和传播，还要把交互、记忆和行动连接起来，让知识真正进入实践。
今天就大概分享这些内容。
03 Q&A
提问：当你的公司花了很多时间研发做出一个产品，但市面上很快又有新的产品出现，比如说OpenClaw来势汹汹，AI产品迭代很快，你怎么看?
冯欣伟：核心还是认知和创新迭代的速度，哪怕今天把这个软件全部扔掉，结合当下的变化，和你的最新的认知去迭代新的产品，只要你还在做，你的体感是最快的。
提问：第一个问题是您刚才说公司能用Agent就用Agent，不用人工，想问一下您的公司现在有几个Agent，解决了您怎样的问题。
冯欣伟：第一个问题，重要的不是有几个Agent，而是Agent作为核心协作者的生态里面，它能不能自主进化。从我们自己的实践来看，目前在产品研发、客服等领域的Agent跑的比较顺，用户增长Agent还在摸索;当然今天我们有个特殊的情况是，面对B端的需求，尤其是传统企业，对方通常拉个群有好多人，这个时候为了显示我们是个大公司，我们也会主动拉几个“人”，这些“人”有时候回答的比我们更得体。
第二个问题是多实践，从身边小的工作开始，比如每个月的报销单整理能不能让AI帮你例行;另外OpenClaw我觉得还是一个挺重要的创新，对于研发而言可能会更喜欢用CC、Codex，但我觉得也要尝试把OpenClaw引入你的工作环境，相应的只用OpenClaw的同学，我也强烈建议去用一下CC，对生产力以及对认知的提升都有帮助。
提问：全面的AI时代来临后，我们会进入一个人机协同的时代，现在我们跟Agent各自的定位是什么?我们该通过怎样的方式提升自己的核心竞争力?
冯欣伟：我定义不了终局，我只能说在我当前的认知下，未来Agent会逐渐接管大多数的执行并自我进化;人类的核心能力可能是定义边界，定义如何评价。这其实和做算法很像，做算法最开始最重要也最难的也不是如何去设计模型结构，甚至不是数据，而是定义如何评价。
相关阅读：
